Seaborn中的所有默认数据集

Seaborn是一个基于matplotlib的Python可视化库，它提供了更高层次的界面用于绘制各种有吸引力和实用的图表。Seaborn提供了一些内置的数据集，可以作为数据分析和可视化的基础。本文将会介绍Seaborn中的所有默认数据集。

以下是Seaborn中所有默认数据集的列表：

• anscombe: 具有相同描述性统计量的四个有序(x,y)点对数据集
• attention: 展示了不同试验中向左或向右定向的人的平均观察时间的时间序列数据
• brain_networks: 大脑网络的功能和结构性连接的数据集
• car_crashes: 美国各个州的汽车事故数据集
• diamonds: 钻石重量，切割和价格的数据集
• dots: 由20个变量和400个观察结果组成的数据集
• exercise: 调查数据，展示了参与者在多个时间点上的身体活动水平，心率和血压
• flights: 1949 ~ 1960年期间的航班数据集
• fmri: 由一个功能磁共振成像实验得出的一对时间序列数据，包括视觉刺激和脑活动
• gammas: 来自功能磁共振成像实验的时间序列数据，包括单一的视觉刺激和脑活动
• iris: 鸢尾花的萼片和花瓣的长度和宽度数据集
• mpg: 汽车的油耗和性能数据
• penguins: 不同种类的企鹅的物理特征数据集
• planets: 发现到目前为止的所有外星系行星数据集
• tips: 餐馆账单和小费的数据集
• titanic: 泰坦尼克号乘客的数据集

以上是Seaborn中所有默认数据集的介绍。开发人员可以使用这些数据集来练习数据分析和可视化技能。

代码片段

import seaborn as sns

# 加载 Seaborn 默认数据集
anscombe = sns.load_dataset('anscombe')
attention = sns.load_dataset('attention')
brain_networks = sns.load_dataset('brain_networks')
car_crashes = sns.load_dataset('car_crashes')
diamonds = sns.load_dataset('diamonds')
dots = sns.load_dataset('dots')
exercise = sns.load_dataset('exercise')
flights = sns.load_dataset('flights')
fmri = sns.load_dataset('fmri')
gammas = sns.load_dataset('gammas')
iris = sns.load_dataset('iris')
mpg = sns.load_dataset('mpg')
penguins = sns.load_dataset('penguins')
planets = sns.load_dataset('planets')
tips = sns.load_dataset('tips')
titanic = sns.load_dataset('titanic')